Research to Reality with Google DeepMind — Paige Bailey, Google DeepMind

한 줄 핵심

Google DeepMind의 Gemma 4와 관련 도구를 중심으로, 연구 모델을 브라우저·모바일·로컬 환경에서 바로 활용하는 방법을 보여주는 실용적 소개 영상이다.

시간별 요약

1. 0:00
   환영과 참석 안내 행사는 곧 시작되며, 라이브 데모와 질의응답을 통해 새 모델을 프로젝트에 어떻게 활용할지 최대한 실용적으로 보여주는 데 초점이 맞춰져 있다.
2. 2:38
   책임 있는 AI와 과학 활용 DeepMind의 목표는 책임 있는 AI를 통해 인류에 기여하는 것이며, 이번에 소개되는 작업들도 AlphaFold, Med-Gemma, 로보틱스, AI for math 같은 과학·연구 영역에 깊게 연결돼 있다.
3. 4:01
   컴퓨터 사용과 관리형 에이전트 자연어로 높은 수준의 작업을 지시하면 Linux 워크스테이션의 샌드박스 환경에서 여러 에이전트가 이를 실행하는 managed agents와, 컴퓨터 사용 API, speech-to-speech translation API가 소개된다.
4. 4:56
   Gemma 오픈 모델 Gemma 4는 2B, 4B, 12B, 26B, 31B 등 다양한 크기의 오픈 모델 패밀리이며, Apache 2 라이선스로 다운로드·상용 활용·파인튜닝이 가능해 확장성이 높다.
5. 5:54
   브라우저에서 Gemma 실행 Gemma 4는 브라우저 안에서 web assembly와 함께 완전히 로컬로 실행할 수 있으며, 데이터가 외부로 전송되지 않고도 즉각적인 응답을 제공해 프라이버시와 체감 속도를 동시에 확보한다.
6. 7:35
   모바일에서의 AI Edge Gallery Google AI edge gallery를 통해 Android와 iOS에서 온디바이스 모델을 시험할 수 있고, 이미지 설명, 다국어 음성 전사, 함수 호출, 게임·하이쿠·날씨·일정 같은 스킬까지 로컬 모델로 무료 사용이 가능하다.
7. 8:59
   모델 크기와 양자화 Gemma 4는 작은 크기 대비 성능이 뛰어나 단일 범용 GPU, 노트북, 모바일까지 폭넓게 실행할 수 있으며, QAT 양자화 체크포인트를 쓰면 2B 모델은 1GB 미만으로도 매우 빠르게 동작한다.

실무 인사이트

• 오픈 모델을 실제 제품에 쓰려면 성능만 보지 말고, 라이선스·배포 형태·로컬 실행 가능성까지 함께 검토하는 것이 중요하다.
• 브라우저와 모바일의 온디바이스 추론은 프라이버시와 응답 속도를 동시에 개선하므로, 개인정보가 민감한 기능부터 우선 적용하기 좋다.
• 작은 모델과 양자화 조합은 인프라 비용을 크게 낮출 수 있어, 초기 검증 단계에서는 대형 모델보다 먼저 고려할 가치가 있다.